t

KARAKTERISTIK BUTIR SOAL:

CLASSICAL TEST THEORY VS ITEM RESPONSE THEORY?

Muh. Syahrul Sarea1, Rosnia Ruslan2

sareasyahrul@gmail.com1
Prodi Pendidikan Agama Islam IAIN Bone1, Dinas Pendidikan Kab. Banjar2

Abstract
This research aimes to describe the characteristic of UAS items theme 1 at
the fourth grade of Primary School in Paramasan bawah village according
to the item difficulties and discrimination. The sample of this research was
37 students who took the final examination year academic 2018/2019. The
objects of this research were question items and the answer sheet of the
final exam that obtained from 3 different schools in Paramasan Bawah
village. The data analysis technique used in this research was empirical
analysis helped by Bilog and Iteman program application. This analysis
used to know the characteristic of items based on the Item Response Theory
and Classical Test Theory. The result of this research showed the
characteristic of UAS items, according to item response theory, 30 items
had a good discrimination and 33 items had a good item difficulty, while
according to Classical Test Theory: 15 items had a good discrimination and
27 items had a good item difficulty.

Keywords: Characteristics of items, item difficulties, discrimination

Diterima: 12-07-2019, Direview: 07-08-2019, Diterbitkan: 15-08-2019

PENDAHULUAN
Kegiatan evaluasi selalu menjadi bagian yang sangat krusial untuk menentukan
apakah aktivitas yang telah dilakukan berhasil atau tidak (Mansyur & Harun, 2015).
Evaluasi merupakan salah satu rangkaian kegiatan dalam meningkatkan kualitas, kinerja
atau produktivitas suatu lembaga dalam melaksanakan programnya (Mardapi, 2012).
Pengukuran merupakan suatu langkah atau tindakan yang harus diambil untuk
melaksanankan evaluasi. Dikatakan harus diambil karena semua tindakan evaluasi harus
didahului oleh kegiatan pengukuran. Pengukuran merupakan proses pemberian angka yang

1
Didaktika Jurnal Kependidikan, Fakultas Tarbiyah IAIN Bone, Vol. 13, No. 1, Juni 2019

diharapkan dapat menunjukkan kemampuan peserta didik mengenai suatu mata pelajaran
(Mardapi, 2012). Oleh karena itu didalam praktik, masalah pengukuran mempunyai
kedudukan sangat penting didalam proses evaluasi.
Pada proses pengukuran, dibutuhkan alat ukur. Alat ukur inilah yang memberikan
informasi tentang posisi seseorang dalam atribut yang diukur sehingga, untuk memperoleh
hasil pengukuran yang dapat menggambarkan hasil pengukuran sebenarnya dibutuhkan alat
ukur dengan tingkat validitas dan reliabilitas yang tinggi. Sejalan dengan itu, (Saifuddin,
2002) mengatakan bahwa instrumen yang baik adalah instrumen yang mampu menghasilkan
data dan memberikan informasi yang akurat agar informasi yang diperoleh dari hasil
pengukuran menggambarkan kemampuan peserta didik yang sebenarnya.
Secara umum dalam mengukur prestasi belajar siswa digunakan instrument tes.
(Allen & Yen, 1979) menyebut tes sebagai “a test is device for optaining a sample of an
indifidual’s behavior”. Hal yang hampir sama juga dikemukakan oleh (Mardapi, 2012)
mengatakan bahwa tes merupakan salah satu bentuk instrumen yang digunakan untuk
melakukan pengukuran, yaitu mengumpulkan informasi karakteristik suatu objek. Ahli
pengukuran yang lain, (Widoyoko, 2012) mengatakan bahwa tes dapat diartikan sebagai
sejumlah pertanyaan yang harus diberikan tanggapan dengan tujuan untuk mengukur tingkat
kemampuan seseorang atau mengungkap aspek tertentu dari orang yang dikenai tes”.
Soal ujian akhir semester merupakan salah satu bentuk instrument tes yang
mengukur pencapaian pembelajaran di sekolah baik terhadap peserta didik maupun terhadap
guru. Hasil ujian akhir semester menggambarkan pencapaian ketuntasan standar kompetensi
peserta didik dan kualitas pembelajaran yang diterapkan oleh guru sehingga instumen tes
yang digunakan harus memiliki karakteristik butir yang baik serta representatif dalam
mengukur setiap aspek pencapaian peserta didik yang sebenarnya.
Dalam membuat soal ujian akhir semester bukanlah perkara mudah bagi guru
mengingat tingkat pengetahuan guru dalam membuat dan mengembangkan soal sangat
beragam. Diperlukan analisis butir soal dengan tingkat validitas dan reliabilitas yang baik,
sehingga komposisi soal mudah, sedang dan sukar menyebar secara proporsional sesuai
dengan materi pelajaran yang diujikan.
Soal yang baik akan dapat menyeleksi secara alamiah peserta didik yang cerdas dan
peserta didik kurang cerdas melalui hasil evaluasi belajar peserta didik. Hasil Penelitian
yang dilakukan oleh (Sarea & Hadi, 2015) mengatakan bahwa terdapat sekolah dengan
kualitas soal ujian akhir semester (UAS) yang baik sebanyak 7,14%. Hal ini

Karakteristik Butir Soal : Classical Test Theory vs Item Response Theory?

(Muh. Syahrul Sarea & Rosnia Ruslan), h. 1-16 2
Didaktika Jurnal Kependidikan, Fakultas Tarbiyah IAIN Bone, Vol. 13, No. 1, Juni 2019

menggambarkan bahwa dalam pembuatan soal ujian akhir semester (UAS) bukanlah hal
yang mudah sehingga perlu untuk diketahui karakteristiknya.
Karakteristik butir soal meliputi tingkat kesukaran butir soal yang baik dengan
komposisi soal mudah, sedang dan sukar menyebar secara proporsional sesuai dengan
materi pelajaran yang diujikan dan indeks daya beda butir soal yang baik mampu untuk
membedakan antara kelompok peserta didik berkemampuan tinggi dengan kelompok peserta
didik berkemampuan rendah, sehingga hasil evaluasi belajar peserta didik akan
menggambarkan hasil belajar peserta didik yang sebenarnya. Terdapat 2 pendekatan yang
dapat digunakan untuk melihat karakteristik butir soal yaitu Classical Test Teory (CTT) dan
Item Respon Teory (IRT).

Teori Tes Klasik (Classical Test Theory)

Salah satu teori pengukuran yang tertua di dunia pengukuran behavioral adalah
classical true-score theory. Teori ini dalam bahasa Indonesia sering disebut dengan teori tes
klasik. Teori tes klasik merupakan sebuah teori yang mudah dalam penerapannya serta
model yang cukup berguna dalam mendekripsikan bagaimana kesalahan dalam pengukuran
dapat mempengaruhi skor amatan.
Teori tes klasik merupakan upaya menjelaskan error pada pengukuran. Pada teori tes
klasik, model error pengukuran berdasarkan koefisien korelasi. Koefisien korelasi
ditemukan oleh Charles Spearman, merupakan upaya menjelaskan error menggunakan dua
komponen: korelasi sebenarnya dan korelasi amatan.
Koefisien korelasi dalam teori tes klasik, berdasarkan pada teori bahwa nilai rata-rata
pengukuran dari semua hasil pengukuran yang mungkin akan sama pengukuran sebenarnya
pada populasi. Akibatnya terhadap teori tes klasik adalah: 1) error bersifat acak dan 2)
pengukuran terdiri atas tiga komponen: yakni indikator amatan, indikator hipotetikal yang
menunjukkan nilai populasi murni, dan konsep hipotetikal yang menunjukkan kuantitas
ketidak sesuaian antara indikator sebenarnya dan indikator amatan. Teori tes klasik
dinyatakan dengan rumus X = T + E. Menurut (Mardapi, 2012) pada teori tes klasik, skor
yang tampak (X) terdiri atas skor sebenarnya atau skor murni (T) dan skor kesalahan (E).
Teori tes klasik menekankan pada skor mentah dari satu ujian yang dihasilkan. Skor
mentah menunjukkan kemampuan seseorang. Dari skor mentah ini maka berbagai analisis
dan interpretasi bisa dihasilkan sesuai dengan keperluan studi yang dilakukan (Sumintono &
Widhiarso, 2014).

Karakteristik Butir Soal : Classical Test Theory vs Item Response Theory?

(Muh. Syahrul Sarea & Rosnia Ruslan), h. 1-16 3
Didaktika Jurnal Kependidikan, Fakultas Tarbiyah IAIN Bone, Vol. 13, No. 1, Juni 2019

Menurut (Hambleton & Jones, 1993) “Classical test models are often referred to
as "weak models" because the assumptions of these models are fairly easily met by test
data”. Teori tes klasik mempunyai bebarapa asumsi. Pertama, instrumen hanya satu
dimensi. Kedua, skor kesalahan pengukuran tidak berinteraksi dengan skor sebenarnya.
Ketiga, skor kesalahan tidak berkorelasi dengan skor sebenarnya dan skor-skor kesalahan
pada tes yang lain untuk peserta tes yang sama. Keempat, rata-rata skor kesalahan
sama dengan nol. Asumsi tersebut dijadikan dasar untuk mengembangkan rumus
yang digunakan untuk menghitung reliabilitas tes.
Reliabilitas dapat diartikan sebagai keajegan atau konsistensi hasil
pengukuran atau hasil tes yang dilakukan pada waktu yang berbeda pada subjek yang
sama. (Allen & Yen, 1979) menyatakan bahwa tes disebut reliabel jika skor amatan
mempunyai korelasi yang tinggi dengan skor yang sebenarnya. Reliabilitas merupakan
koefisien korelasi antara dua skor amatan yang diproleh dari hasil pengukuran
menggunakan tes yang paralel.
Penentuan harga reliabilitas suatu tes dapat digunakan beberapa cara dan
formula. Furmula yang sering digunakan adalah Formula belah dua, alpha Cronbach,
Guttman, Fl anagan, Raju, dan paralel. Nilai hasil perhitungan dari formula tersebut
sering dikatakan sebagai koefisien reliabilitas. Besarnya indeks keandalan yang diterima
adalah minimal 0,70. Besarnya indeks reliabilitas menyatakan besar kesalahan pengukuran.
Semakin besar indeks reliabilitas maka akan semakin kecil kesalahan pengukuran, demikian
sebaliknya (Mardapi, 2012)
Sayangnya, seperti diungkapkan (Saifuddin, 2002) bahwa teori tes klasik memiliki
keterbatasan yang mendasar yaitu hasil estimasi parameter tergantung pada karakteristik
peserta ujian (gruop dependent). Hal ini berimplikasi pada tingkat kesukaran soal akan
menjadi rendah jika tes diujikan pada kelompok peserta tes berkemampuan tinggi dan
sebaliknya jika tes diujikan pada peserta dengan kemampuan rendah maka tingkat kesukaran
tes itu akan tinggi. Kedua hasil estimasi kemampuan peserta tergantung pada karakterisktk
butir soal (item dependent). Keterbatasan ini menyebabkan estimasi kemampuan peserta
akan rendah jika soal yang diberikan berada di atas kemampuannya. Sebaliknya, estimasi
kemampuan peserta akan tinggi bila soal yang diujikan berada dibawah tingkat
kemampuannya.
Mengatasi kelemahan pada teori tes klasik, maka para ahli pengukuran
mengembangkan model yang tidak terikat dengan sampel (sample free). Model ini

Karakteristik Butir Soal : Classical Test Theory vs Item Response Theory?

(Muh. Syahrul Sarea & Rosnia Ruslan), h. 1-16 4
Didaktika Jurnal Kependidikan, Fakultas Tarbiyah IAIN Bone, Vol. 13, No. 1, Juni 2019

selanjutnya dikenal tes modern atau tes respon butir. Menurut teori respon butir, perilaku
seseorang dapat dijelaskan oleh karakteristik orang yang bersangkutan sampai pada batas-
batas tertentu (Mardapi, 2012)

Teori Respon Butir (Item Response Theory)

Van der Linden & Hambleton (2013) menyatakan bahwa teori respon butir (IRT)
merupakan salah satu cara untuk menilai kelayakan butir dengan membandingkan rerata
penampilan butir terhadap tampilan bukti kemampuan kelompok yang diramalkan oleh
model. (Liang, Wells, & Hambleton, 2014) mengatakan bahwa “Item response theory
(IRT) is a powerful scaling technique with appealing features such as the invariance of item
and ability parameter values”. Tujuan utama teori respon butir dikembangkan adalah untuk
mengatasi teori tes klasik yang tidak independent terhadap kelompok peserta yang
mengerjakan tes maupun terhadap tes yang diujikan.
Bagian penting dari teori respon butir adalah probabilitas jawaban benar peserta tes,
parameter butir dan parameter peserta tes dihubungkan melalui suatu fungsi matematik atau
model formula matematik. Dalam formula ini, nilai kemungkinan peserta tes menjawab soal
dipahami sebagai fungsi logistik perbedaan parameter yang dimasukkan kedalam model.
Teori respon butir atau teori tes modern dikembangkan atas dasar pikiran: 1) hasil
ujian seseorang dapat diprediksi dari kemampuan yang dimilikinya dan 2) hubungan antara
hasil ujian dan kemampuan dinyatakan dalam sebuah fungsi yang disebut kurva karakteristik
butir atau Item Characteristic Curve (Hambleton, Swaminathan, & Rogers, 1991). Fungsi
kurva karakteristik butir (ICC) ini memperlihatkan posisi peserta tes dengan kemampuan
tinggi akan memiliki peluang yang lebih sebaliknya, peserta tes dangan kemampuan rendah
besar menjawab butir soal dengan tingkat kesukaran yang tinggi. Kemampuan ini sering
disebut dengan potensi yang merupakan faktor dominan untuk menentukan keberhasilan
seseorang dalam belajar yang ditunjukkan oleh hasil yang diperoleh dari suatu ujian.
Hubungan dengan tingkat kesukaran butir soal, sifat invarians berarti bahwa indeks
kesukaran suatu butir soal tidak akan berubah, sekalipun soal dikerjakan oleh peserta tes
yang pandai atau kurang pandai. Kondisi tersebut tidak berlaku bagi tes klasik sehingga sifat
invarians merupakan salah satu kelebihan teori respon butir. Teori tes modern atau respon
butir memiliki syarat yang lebih ketat dibanding tes klasik, baik ditinjau dari asumsinya
maupun ukuran sampel yang dibutuhkan dalam analisisnya.

Karakteristik Butir Soal : Classical Test Theory vs Item Response Theory?

(Muh. Syahrul Sarea & Rosnia Ruslan), h. 1-16 5
Didaktika Jurnal Kependidikan, Fakultas Tarbiyah IAIN Bone, Vol. 13, No. 1, Juni 2019

Asumsi Teori Respon Butir

Dalam teori respon butir, model matematisnya mempunyai makna bahwa
probabilitas subjek untuk menjawab butir dengan benar tergantung pada kemampuan subjek
dan karakteristik butir. Ini berarti bahwa peserta tes dengan kemampuan tinggi akan
mempunyai probabilitas menjawab benar lebih besar jika dibandingkan dengan peserta yang
mempunyai kemampuan rendah. Hambleton et al. (1991) menyatakan bahwa ada tiga
asumsi yang mendasari teori respon butir, yaitu unidimensi, independensi lokal dan
invariansi parameter.
1. Unidimensi, artinya setiap butir tes hanya mengukur satu kemampuan. Contohnya, pada
tes prestasi belajar bidang studi matematika, butir-butir yang termuat di dalamnya hanya
mengukur kemampuan peserta didik dalam bidang studi matematika saja, bukan bidang
yang lainnya. Pada praktiknya, asumsi unidimensi sulit dilakukan karena adanya faktor-
faktor kognitif, kepribadian dan faktor-faktor pelaksanaan tes, seperti kecemasan,
motivasi, dan tendensi untuk menebak. Oleh karena itu, asumsi unidimensi dapat
ditunjukkan hanya jika tes mengandung satu komponen dominan yang mengukur
prestasi subjek. Menurut Naga (1992) Salah satu cara menguji ketercapaian syarat
unidimensi adalah metode analisis faktor
2. Independensi lokal menyatakan bahwa sikap kemampuan yang mempengaruhi suatu tes
adalah konstan, maka respon peserta tes pada setiap butir soal adalah independen secara
statistik. Sebagaimana dijelaskan oleh van der Linden & Hambleton (2013) :
The term “local” in the local independence assumption is used to
indicate that responses are assumed independent at the level of
individual persons with the same value of, but the assumption does not
generalize to the case of variation in.
Asumsi independensi lokal menyatakan bahwa tidak ada korelasi antara respon peserta
tes pada butir soal yang berbeda. Hal ini menunjukkan bahwa kemampuan yang
dinyatakan dalam model adalah satu-satunya faktor yang mempengaruhi respon peserta
tes pada butir-butir soal. Bukti yang lain adalah peluang dari pola jawaban setiap peserta
tes sama dengan hasil kali peluang jawaban peserta tes pada setiap butir soal.
3. Invariansi parameter artinya bahwa karakteristik butir soal tidak tergantung pada
distribusi parameter kemampuan peserta tes dan parameter yang menjadi ciri peserta tes
tidak bergantung dari ciri butir soal. Schulz & Fraillon (2011) mengatakan
“Measurement invariance holds if individuals with the same score on the same

Karakteristik Butir Soal : Classical Test Theory vs Item Response Theory?

(Muh. Syahrul Sarea & Rosnia Ruslan), h. 1-16 6
Didaktika Jurnal Kependidikan, Fakultas Tarbiyah IAIN Bone, Vol. 13, No. 1, Juni 2019

measurement instrumen have the same standing on the underlying construct that is
measured”. Kemampuan seseorang tidak akan berubah hanya karena mengerjakan tes
yang berbeda tingkat kesulitannya dan parameter butir tes tidak akan berubah hanya
karena diujikan pada kelompok peserta tes yang berbeda tingkat kemampuannya.

METODE PENELITIAN
Penelitian ini merupakan jenis penelitian deskriptif kuantitatif dengan data berupa
perangkat soal UAS dan lembar jawaban peserta didik Kelas IV Tema 1 Sekolah Dasar.
Penelitian ini bertujuan untuk mengetahui karakteristik soal UAS Kelas IV Tema 1 Sekolah
Dasar tahun pelajaran 2018/2019 di Desa Paramasan Bawah. Respon peserta didik dianalisis
secara empiris berdasarkan pendekatan teori tes klasik dan teori respon butir untuk menguji
kelayakan butir soal. Penelitian dilaksanakan pada bulan november sampai dengan Januari
2019 di desa paramasan bawah Kabupaten Banjar Provinsi Kalimantan Selatan
Subjek penelitian ini adalah 37 peserta didik yang mengikuti UAS semester gasal
tema satu tingkat sekolah dasar (SD) tahun pelajaran 2018/2019 di desa paramasan bawah.
Objek penelitian ini adalah perangkat soal dan seluruh lembar jawaban UAS yang diperoleh
dari 3 sekolah di desa paramasan bawah. Lembar jawaban peserta didik akan dianalisis
untuk melihat karakteristik soal UAS semester gasal tema satu kelas IV Sekolah dasar (SD)
di desa paramasan bawah tahun pelajaran 2018/2019 bedasarkan tabel 1

Tabel 1. Daftar Jumlah Peserta Didik dan Sekolah

Nama Sekolah Peserta Didik

SDN Paramasan bawah 1 12
SDN Paramasan bawah 2 17
SDN Paramasan bawah 3 9

Teknik Pengumpulan Data

Teknik pengumpulan data dalam penelitian ini dilakukan dengan instrumen
dokumen. Dokumen yang digunakan untuk memperoleh data dalam penelitian ini anatara
lain: 1) Spesifikasi soal UAS Kelas IV pada tema satu tingkat sekolah dasar (SD), 2) lembar
soal UAS Kelas IV pada tema satu tingkat Sekolah Dasar (SD) dan 3) Lembar jawaban
peserta didik pada tema satu kelas IV tingkat Sekolah Dasar (SD) tahun pelajaran 2018/2019
di Desa Paramasan Bawah.

Karakteristik Butir Soal : Classical Test Theory vs Item Response Theory?

(Muh. Syahrul Sarea & Rosnia Ruslan), h. 1-16 7
Didaktika Jurnal Kependidikan, Fakultas Tarbiyah IAIN Bone, Vol. 13, No. 1, Juni 2019

Teknik Analisis Data

Data yang diperoleh dalam penelitian ini, selanjutnya dianalisis secara empiris.
Respon peserta didik terhadap perangkat tes dianalisis dengan menggunakan paket program
Bilog dan iteman.

Analisis dengan Pendekatan Item Response Theory menggunakan Program Bilog

Ada tiga model logistik dalam teori respon butir, yaitu model logistik satu parameter,
model logistik dua parameter, dan model logistik tiga parameter. Perbedaan dari ketiga
model tersebut pada banyaknya parameter yang digunakan dalam menggambarkan
karakteristik butir dalam model yang digunakan.
Model parameter logistik yang cocok dengan instrumen dapat dilihat dari
kecenderungan butir instrumen UAS cocok menggunakan model logistik 1 parameter (1
PL), model logistik 2 parameter (2 PL), atau model logistik 3 parameter (3 PL) dilihat dari
fit model ketiga parameter logistik tersebut. Menurut Retnawati (2014) pemilihan model
parameter logistik dilihat dari jumlah butir yang cocok (Fit Model) paling banyak sebagai
model untuk analisis data.
Analisis dengan Bilog digunakan untuk menganalisis butir soal. Analisis butir ini
menghasilkan output dalam 3 fase. Fase pertama akan mendeskripsikan tentang valid atau
tidak validnya setiap butir tes yang diberikan kepada peserta didik, fase kedua akan
menghasilkan karakteristik dari setiap butir soal yang dikerjakan oleh peserta didik baik
tingkat kesukaran dan daya pembeda sedangkan fase ketiga yaitu deskripsi kemampuan
peserta didik dari yang paling rendah hingga yang paling tinggi.
1. Berdasarkan teori respon butir khususnya yang menggunakan program Bilog, butir soal
yang baik memiliki indeks kesukaran berkisar –2 sampai +2. indeks kesukaran
mendekati -2 dikategorikan sebagai soal mudah, sedangkan indeks kesukaran mendekati
+2 dikategorikan sebagai soal yang sukar (Hambleton et al., 1991).
2. Berdasarkan teori respon butir khususnya yang menggunakan program Bilog, butir soal
dengan indeks daya pembeda secara teoritis memiliki skala (–∞ sampai +∞).. Daya
pembeda 0 tidak baik, karena kondisi ini menyebabkan Pi (θ) menjadi konstan dan
membentuk garis lurus. Daya pembeda negatif juga tidak baik hal ini menyebabkan
kemiringan daya pembeda negatif, sehingga kurva yang terbentuk bukan monoton naik.
Sarea (2018) menyatakan bahwa indeks daya beda antara 0,4 sampai dengan -2 dapat
dikategorikan baik.

Karakteristik Butir Soal : Classical Test Theory vs Item Response Theory?

(Muh. Syahrul Sarea & Rosnia Ruslan), h. 1-16 8
Didaktika Jurnal Kependidikan, Fakultas Tarbiyah IAIN Bone, Vol. 13, No. 1, Juni 2019

Analisis dengan Pendekatan Classical Test Theory menggunakan Program Iteman

Hasil dari analisis butir soal mencakup informasi mengenai (1) parameter tingkat kesukaran
butir soal dan (2) indeks daya pembeda butir soal.
1. Parameter tingkat kesukaran butir soal (p) adalah proporsi peserta yang menjawab benar
butir soal. Besarnya indeks kesukaran butir soal yang diterima untuk menyatakan butir
soal dikatakan baik adalah 0, 3 sampai 0,8 dilihat dari nilai yang ada pada prop Correct
(Mardapi, 2012).
2. Indeks Daya pembeda butir soal adalah besarnya korelasi antara rata-rata skor peserta
yang menjawab benar pada butir soal dengan rata-rata skor total. Hal ini dihitung
dengan melihat besarnya nilai koefisien point biserial (ppbis). Mardapi (2012)
mengatakan bahwa besarnya daya pembeda mulai dari -0,1 sampai +0,1. Perhitungan
indeks daya pembeda butir soal dapat dilakukan dengan beberapa cara antara lain,
menggunakan indeks korelasi, indeks keselarasan ataupun indeks diskriminasi.
Besarnya indeks daya pembeda minimal 0,3.

HASIL PENELITIAN DAN PEMBAHASAN

Karakteristik Butir Soal Berdasarkan Teori Respon Butir

Pada analisis menggunakan program bilog, sebelum, menganalisis karakteristik butir
soal baik tingkat kesukaran butir maupun daya pembeda butir soal terlebih dahulu dilakukan
analisis kecocokan butir dengan analisis model logistik yang digunakan sehingga jumlah
butir soal yang dianalisis lebih akurat. Menurut (Retnawati, 2014) butir yang memiliki
kecocokan paling banyak dengan model digunakan sebagai model untuk analisis data.
Berdasarkan hasil analisis data diperoleh bahwa model yang cocok digunakan untuk
menganalisis data menggunalan model 2 parameter logistik dimana tingkat kecocokan butir
dengan model sebanyak 37 dari 41 butir yang di analisis.
Berdasarkan hasil analisis data menggunakan program Bilog Model 2 Parameter
logistik meninjau karakteristik soal UAS Kelas IV Tema satu Sekolah Dasar pada aspek
tingkat kesukaran dan daya beda yang memiliki kriteria yang baik seperti pada tabel 2.
Tabel 2. Kriteria tingkat kesukaran dan indeks daya beda yang baik

Parameter/ Prob Nilai Keterangan

a 0,4 s/d 2 Baik
b -2 s/d 2 Baik
Prob 0,05 Fit Model

Karakteristik Butir Soal : Classical Test Theory vs Item Response Theory?

(Muh. Syahrul Sarea & Rosnia Ruslan), h. 1-16 9
Didaktika Jurnal Kependidikan, Fakultas Tarbiyah IAIN Bone, Vol. 13, No. 1, Juni 2019

Berdasarkan kriteria di atas maka diperoleh data hasil analisis menggunakan program
Bilog pada model 2 parameter seperti pada tabel 3 berikut.

Tabel 3. Karakteristik butir Soal Berdasarkan Teori Respon Butir Model 2 Parameter

Butir Daya Beda Tingkat Kesukaran Fit Model

1 0.427 Baik 2.568 Tidak Baik Fit model
3 0.684 Baik 1.249 Baik Fit model
5 0.355 Tidak Baik 0.752 Baik Fit model
6 0.300 Tidak Baik 2.140 Tidak Baik Fit model
8 0.761 Baik 0.236 Baik Fit model
9 0.340 Tidak Baik 3.505 Tidak Baik Tidak Fit model
10 0.303 Tidak Baik 3.441 Tidak Baik Tidak Fit model
11 0.428 Baik -1.393 Baik Fit model
14 0.314 Tidak Baik 2.637 Tidak Baik Tidak Fit model
15 0.418 Baik 0.304 Baik Fit model
16 0.340 Tidak Baik 2.461 Tidak Baik Fit model
18 0.300 Tidak Baik 1.516 Baik Fit model
19 0.320 Tidak Baik 2.257 Tidak Baik Fit model
21 0.465 Baik 0.427 Baik Fit model
22 0.504 Baik 0.394 Baik Fit model
23 0.623 Baik 0.717 Baik Fit model
24 0.926 Baik -0.665 Baik Fit model
25 0.427 Baik 0.634 Baik Fit model
26 0.724 Baik 0.510 Baik Fit model
27 0.535 Baik 0.770 Baik Fit model
28 0.382 Tidak Baik 1.505 Baik Fit model
30 0.620 Baik -0.300 Baik Fit model
31 1.156 Baik -0.211 Baik Tidak Fit model
32 0.484 Baik 0.111 Baik Fit model
33 0.417 Baik 1.825 Baik Fit model
34 0.441 Baik 0.616 Baik Fit model
35 0.509 Baik 0.245 Baik Fit model
36 0.455 Baik -0.657 Baik Fit model
37 0.584 Baik -0.565 Baik Fit model
39 0.498 Baik -0.472 Baik Fit model
40 0.622 Baik -0.422 Baik Fit model

Karakteristik Butir Soal : Classical Test Theory vs Item Response Theory?

(Muh. Syahrul Sarea & Rosnia Ruslan), h. 1-16 10
Didaktika Jurnal Kependidikan, Fakultas Tarbiyah IAIN Bone, Vol. 13, No. 1, Juni 2019

Butir Daya Beda Tingkat Kesukaran Fit Model

41 0.412 Baik -0.196 Baik Fit model
42 0.466 Baik 1.271 Baik Fit model
43 0.585 Baik 0.612 Baik Fit model
44 0.489 Baik 0.336 Baik Fit model
45 0.677 Baik 0.173 Baik Fit model
46 0.323 Tidak Baik 2.897 Tidak Baik Fit model
47 0.657 Baik 1.865 Baik Fit model
48 0.356 Tidak Baik 1.598 Baik Fit model
49 0.442 Baik 1.527 Baik Fit model
50 0.417 Baik -1.232 Baik Fit model

Berdasarkan tabel 3 di atas, diketahui bahwa untuk Tingkat kesukaran butir (b) dari
41 butir yang dianalisis, yang dikategorikan butir yang baik sebanyak 33, sedangkan yang
dikategorikan butir dengan tingkat kesukaran tidak baik sebanyak 8 butir dan indeks daya
beda (a) dari 41 butir yang dianalisis, yang dikategorikan butir yang baik sebanyak 30
sedangkan yang dikategorikan indeks daya beda tidak baik sebanyak 11 butir. Kesesuaian
butir (fit model) dari 41 butir yang dianalisis, yang dikategorikan butir yang fit dengan
model sebanyak 37, sedangkan yang dikategorikan butir tidak fit dengan model sebanyak 4
butir .
Berdasarkan pendekatan Teori Respon Butir, untuk menganalisis karakteristik soal
secara empiris digunakan bantuan program Bilog. Hasil analisis program bilog untuk soal
UAS Sekolah Dasar Kelas IV Tema 1 di Desa Paramasan Bawah sesuai dengan Tabel 4
Tabel 4. Karakteristik Butir Soal berdasarkan Kriteria Tingat Kesukaran dan Daya
beda

Karakteristik Butir Baik Tidak Baik

Daya beda 30 11
Tingkat Kesukaran 33 8
Fit terhadap Model 37 4

Berdasarkan tabel 4 menunjukkan bahwa daya beda butir yang baik sebanyak 30
butir soal antara lain 1, 3, 8, 11, 15, 21, 22, 23, 24, 25, 26, 27, 30, 31, 32, 33, 34, 35, 36, 37,
39, 40, 41, 42, 43, 44, 45, 47, 49, 50 sedangkan butir tidak baik sebanyak 11 butir antara lain
5, 6, 9, 10, 14, 16, 18, 19, 28, 46, 48 dari 41 butir yang dianalisis. Tingkat kesukaran butir
yang baik sebanyak 33 antaralain 3, 5, 8, 11, 15,18, 21, 22, 23, 24, 25, 26, 27, 28, 30, 31, 32,

Karakteristik Butir Soal : Classical Test Theory vs Item Response Theory?

(Muh. Syahrul Sarea & Rosnia Ruslan), h. 1-16 11
Didaktika Jurnal Kependidikan, Fakultas Tarbiyah IAIN Bone, Vol. 13, No. 1, Juni 2019

33, 34, 35, 36, 37, 39, 40, 41, 42, 43, 44, 45, 47, 48, 49, 50 Sedangakan butir dengan tingkat
kesukaran yang tidak baik antara lain 1, 6, 9, 10, 14, 16, 19, 46.
Adapun kemampuan peserta didik berdasarkan analisis menggunakan program Bilog
terdapat pada tabel 5.

Tabel 5. Kemampuan Peserta Didik berdasarkan Program Bilog

Peserta Didik Ability Skor

Siswa_01 0.3251 56.502
Siswa_02 -0.3692 42.616
Siswa_03 -0.7238 35.524
Siswa_04 -0.1721 46.558
Siswa_05 -0.2734 44.532
Siswa_06 -1.1278 27.444
Siswa_07 -0.3232 43.536
Siswa_08 -0.6979 36.042
Siswa_09 0.1513 53.026
Siswa_10 -0.4624 40.752
Siswa_11 0.4025 58.05
Siswa_12 -0.3972 42.056
Siswa_13 0.416 58.32
Siswa_14 -0.9462 31.076
Siswa_15 -0.5468 39.064
Siswa_16 -0.6931 36.138
Siswa_17 -0.7955 34.09
Siswa_18 1.5663 81.326
Siswa_19 2.3192 96.384
Siswa_20 2.0577 91.154
Siswa_21 1.1257 72.514
Siswa_22 1.2809 75.618
Siswa_23 1.0396 70.792
Siswa_24 0.0228 50.456
Siswa_25 0.2077 54.154
Siswa_26 0.9915 69.83
Siswa_27 0.9971 69.942
Siswa_28 -0.2022 45.956
Siswa_29 0.3123 56.246
Siswa_30 -0.5877 38.246

Karakteristik Butir Soal : Classical Test Theory vs Item Response Theory?

(Muh. Syahrul Sarea & Rosnia Ruslan), h. 1-16 12
Didaktika Jurnal Kependidikan, Fakultas Tarbiyah IAIN Bone, Vol. 13, No. 1, Juni 2019

Peserta Didik Ability Skor

Siswa_31 -0.6962 36.076
Siswa_32 -0.4965 40.07
Siswa_33 -0.6487 37.026
Siswa_34 -0.3828 42.344
Siswa_35 -1.0281 29.438
Siswa_36 -0.473 40.54
Siswa_37 -0.2958 44.084

Karakteristik Butir Berdasarkan Teori Tes Klasik

Berdasarkan pendekatan teori tes klasik, untuk menganalisis karakteristik butir soal
baik tingkat kesukaran maupun daya pembeda secara empiris digunakan bantuan program
Iteman. Berdasarkan tingkat kesukaran soal, yang dikategorikan butir soal yang baik adalah
rentang antara 0,3 sampai dengan 0,8 dan berdasarkan daya pembeda butir soal yang dapat
ditedikategorikan butir soal baik adalah 0,2 sampai dengan +2.

Tabel 6. Karakteristik Butir Soal berdasarkan Kriteria Tingat Kesukaran dan

Daya Pembeda
Butir Tidak
Butir Baik
Baik
No Parameter
Persen Persen
Jumlah Jumlah
% %
1 Daya Pembeda 15 30 35 70
2 Tingkat Kesukaran 27 54 23 46

Tabel 6 menunjukkan bahwa soal UAS Kelas IV Tema 1 Sekolah Dasar yang
dikategorikan baik menurut tingkat kesukarannya sebanyak 27 butir soal, sedangkan
menurut daya pembeda butir soal yang dikategorikan baik sebanyak 15 butir soal dari 50
butir soal yang di analisis.
Adapun indek daya beda butir yang dikategorikan baik antara lain: 3, 8, 22, 23, 24,
26, 27, 30, 31, 32, 40, 43, 44, 45, 47 sedangkan butir yang memiliki indeks daya beda yang
dikategorikan tidak baik antara lain: 1, 2, 4, 5, 6, 7, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19,
20, 21, 25, 28, 29, 33, 34, 35, 36, 37, 38, 39, 41, 42, 46, 48, 49, 50. Tingkat kesukaran butir
yang baik sebanyak 27 antaralain 5, 8, 11, 15, 18, 20, 21, 22, 23, 24, 25, 26, 27, 30, 31, 32,
34, 35, 36, 37, 39, 40, 41, 43, 44, 45, 50 Sedangakan butir dengan tingkat kesukaran yang
tidak baik antara lain 1, 2, 3, 4, 6, 7, 9, 10, 12, 13, 14, 16, 17, 19, 28, 29, 33, 38, 46, 47, 48,
49.

Karakteristik Butir Soal : Classical Test Theory vs Item Response Theory?

(Muh. Syahrul Sarea & Rosnia Ruslan), h. 1-16 13
Didaktika Jurnal Kependidikan, Fakultas Tarbiyah IAIN Bone, Vol. 13, No. 1, Juni 2019

Adapun kemampuan peserta didik berdasarkan analisis menggunakan program iteman

terdapat pada tabel 7.

Tabel 7. Kemampuan Peserta Didik berdasarkan Program Iteman

Peserta Didik Butir Benar Skor
siswa_01 18 36
siswa_02 16 32
siswa_03 13 26
siswa_04 15 30
siswa_05 14 28
siswa_06 10 20
siswa_07 16 32
siswa_08 18 36
siswa_09 21 42
siswa_10 15 30
siswa_11 19 38
siswa_12 15 30
siswa_13 18 36
siswa_14 15 30
siswa_15 15 30
siswa_16 11 22
siswa_17 15 30
siswa_18 28 56
siswa_19 32 62
siswa_20 30 60
siswa_21 24 48
siswa_22 25 50
siswa_23 26 52
siswa_24 17 34
siswa_25 16 32
siswa_26 23 26
siswa_27 23 26
siswa_28 16 32
siswa_29 19 38
siswa_30 16 32
siswa_31 16 32
siswa_32 13 26
siswa_33 15 30
siswa_34 15 30
siswa_35 11 22
siswa_36 15 30
siswa_37 15 30

Karakteristik Butir Soal : Classical Test Theory vs Item Response Theory?

(Muh. Syahrul Sarea & Rosnia Ruslan), h. 1-16 14
Didaktika Jurnal Kependidikan, Fakultas Tarbiyah IAIN Bone, Vol. 13, No. 1, Juni 2019

KESIMPULAN
Berdasarkan hasil dan pembahasan diatas, maka dapat disimpulkan:
1. Tingkat kesukaran butir soal yang dikategorikan baik berdasarkan teori respon butir
sebanyak, 33 butir soal. Indeks Daya beda yang dikategotikan baik berdasarkan Teori
Respon Butir Sebanyak 30 butir soal.
2. Tingkat kesukaran butir soa yang dikategorikan baik berdasarkan teori tes klasik
sebanyak 27 butir soal. Indeks Daya beda yang dikategotikan baik berdasarkan Teori
Tes Klasik sebanyakt 15 Butir.

DAFTAR PUSTAKA
Allen, M. J., & Yen, W. M. (1979). Introduction to measurement theory. Belmont, CA:
Wadsworth. Inc.[Context Link].
Hambleton, R. K., & Jones, R. W. (1993). An NCME instructional module on: Comparison
of classical test theory and item response theory and their applications to test
development. Educational Measurement: Issues and Practice, 12(3), 38–47.
Hambleton, R. K., Swaminathan, H., & Rogers, H. J. (1991). Fundamentals of item response
theory. Sage.
Liang, T., Wells, C. S., & Hambleton, R. K. (2014). An assessment of the nonparametric
approach for evaluating the fit of item response models. Journal of Educational
Measurement, 51(1), 1–17.
Mansyur, S., & Harun, R. (2015). Asesmen pembelajaran di sekolah: Panduan bagi guru dan
calon guru. Yogyakarta: Pustaka Pelajar.
Mardapi, D. (2012). Pengukuran penilaian dan evaluasi pendidikan. Yogyakarta: Nuha
Medika.
Naga, D. S. (1992). Pengantar teori sekor pada pengukuran pendidikan. Jakarta:
Gunadarma.
Retnawati, H. (2014). Teori respons butir dan penerapannya: Untuk peneliti, praktisi
pengukuran dan pengujian, mahasiswa pascasarjana. Yogyakarta: Nuha Medika.
Saifuddin, A. (2002). TES PRESTASI fungsi dan pengembangan pengukuran prestasi
belajar. Yogyakarta: Pustaka Pelajar Offset.
Sarea, M. S. (2018). Karakteristik Soal Ujian Akhir Semester Pendidikan Agama Islam Dan
Budi Pekerti Tingkat Sekolah Dasar. An-Nahdhah, 11(2), 303–318.

Karakteristik Butir Soal : Classical Test Theory vs Item Response Theory?

(Muh. Syahrul Sarea & Rosnia Ruslan), h. 1-16 15
Didaktika Jurnal Kependidikan, Fakultas Tarbiyah IAIN Bone, Vol. 13, No. 1, Juni 2019

Sarea, M. S., & Hadi, S. (2015). Analisis Kualitas Soal Ujian Akhir Semester Mata
Pelajaran Kimia SMA di Kabupaten Gowa. Jurnal Evaluasi Pendidikan, 3(1), 35–43.
Schulz, W., & Fraillon, J. (2011). The analysis of measurement equivalence in international
studies using the Rasch model. Educational Research and Evaluation, 17(6), 447–464.
Sumintono, B., & Widhiarso, W. (2014). Aplikasi model Rasch untuk penelitian ilmu-ilmu
sosial (edisi revisi). Trim Komunikata Publishing House.
van der Linden, W. J., & Hambleton, R. K. (2013). Handbook of modern item response
theory. Springer Science & Business Media.
Widoyoko, E. P. (2012). Teknik penyusunan instrumen penelitian. Yogyakarta: Pustaka
Pelajar, 15, 22.

Karakteristik Butir Soal : Classical Test Theory vs Item Response Theory?

(Muh. Syahrul Sarea & Rosnia Ruslan), h. 1-16 16